آنچه سامانه‌های اطلاعات مکانی (GIS) با آن روبه‌رو هستند، اطلاعاتی است که در قالب لایه‌های مکانی مدون گشته‌اند. یکی از مهم‌ترین وظایف سامانه‌های اطلاعات مکانی تحلیل لایه‌ها به‌منظور مدل‌سازی پدیده‌های مکان مرجع است. عدم توجه کافی به چنین مدل‌سازی‌هایی می‌تواند منجر به نتایج غیرواقعی در تصمیم‌گیری‌های مکانی و در پی آن خسارات مالی زیادی شود. در بسیاری از مدل‌سازی‌های مکانی، راه‌حل تحلیلی خاصی برای مدل‌سازی پدیده موردنظر وجود ندارد. برای چنین مدل‌سازی‌هایی، استفاده از روش‌های الهام گرفته از طبیعت در پاره‌ای از مواقع بسیار کارا می‌باشند. چنین روش‌هایی در شاخه‌ای از علم تحت عنوان محاسبات نرم (Soft Computing) قرار می‌گیرند. مدل‌سازی شکل و موقعیت توده‌های معدنی به علت پیچیدگی و تنوع عوامل مؤثر بر شکل‌گیری آن‌ها، ازجمله مواردی است که تاکنون راه‌حل تحلیلی مناسبی برای آن‌ها توسعه داده نشده است. هدف مقاله حاضر ارائه روش‌های نوینی از محاسبات نرم، متشکل از سیستم‌های استنتاج‌گر فازی، شبکه‌های عصبی و الگوریتم‌های ژنتیک در بستر سامانه‌های اطلاعات مکانی برای انجام مدل‌سازی‌های مکانی و به‌طور خاص تهیه نقشه پتانسیل معدنی است. یکی از چالش‌ها در ایجاد سیستم‌های استنتاج‌گر فازی، تشکیل پایگاه دانش فازی است. در این تحقیق از دو روش تقسیم‌بندی فضای ورودی-خروجی و شبکه عصبی (سیستم‌های استنتاج‌گر فازی عصبی) برای ایجاد پایگاه دانش فازی استفاده‌شده است. به‌منظور ارزیابی نتایج سیستم‌های استنتاج‌گر فازی، شبکه عصبی ژنتیکی نیز پیاده‌سازی شد تا بتوان تفسیر بهتری از نتایج ارائه نمود. نتایج حاصله نشان داد که شبکه عصبی ژنتیکی و سیستم استنتاج‌گر فازی عصبی به ترتیب با RMSE، 4 و 15 بالاترین دقت را برای داده‌های آموزشی و کنترل، حاصل نمودند.